非常详细的相机标定（五）（相机标定代码讲解）

非常详细的相机标定原理、步骤（一）（世界坐标系与相机坐标系原理与转化）_An efforter的博客-CSDN博客_最详细、最完整的相机标定讲解

非常详细的相机标定原理、步骤（二）（图像坐标系与像素坐标系原理与转化，三维转二维原理与公式等等）_An efforter的博客-CSDN博客

非常详细的相机标定原理（三）（张正友相机标定法初见和单应性矩阵）_An efforter的博客-CSDN博客

非常详细的相机标定原理（四）（张正友相机标定法数学推导求解）_An efforter的博客-CSDN博客

相机标定以及相机畸变矫正代码

代码分布清晰，一看就懂：

import argparse
from argparse import RawTextHelpFormatter
import numpy as np
import cv2 

#寻找焦点
def cam_calib_find_corners(img, rlt_dir, img_idx, col, row):
	#灰度化图片，减少参数的运算
	gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
	#寻找角点
	ret, corners = cv2.findChessboardCorners(gray,(col,row), None)
	#为了得到稍微精确一点的角点坐标，进一步对角点进行亚像素寻找
	corners2 = cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 10, 0.001)) 
	print(corners)
	if ret == True:
		#保存角点图像
		sav_path = rlt_dir + "\\" + str(img_idx) + "_corner.jpg"
		#绘制角点
		cv2.drawChessboardCorners(img, (col,row), corners2, ret)
		cv2.imwrite(sav_path, img)
		
	return (ret, corners2)
#相机标定
def cam_calib_calibrate(img_dir, rlt_dir, col, row, img_num):
	w = 0
	h = 0
	all_corners = []
	patterns = []
	#标定相机,先搞这么一个假想的板子，标定就是把图像中的板子往假想的板子上靠，靠的过程就是计算参数的过程
	x,y = np.meshgrid(range(col),range(row))
	prod = row * col
	pattern_points=np.hstack((x.reshape(prod,1),y.reshape(prod,1),np.zeros((prod,1)))).astype(np.float32)
	
	for i in range(1,img_num+1):
		img_path = img_dir + "\\" + str(i) + ".jpg"
		print (img_path)
		#读取图像
		img = cv2.imread(img_path)
		(h, w) = img.shape[:2]
		#提取角点
		ret, corners = cam_calib_find_corners(img, rlt_dir, i, col, row)
		
		#合并所有角点
		all_corners.append(corners)
		patterns.append(pattern_points)
   #rms代表返回成功，cameraMatrix代表相机内参，disCoeffs代表畸变，rvecs代表旋转向量，tvecs平移向量，最后两个是相机外参
	rms, cameraMatrix, distCoeffs, rvecs, tvecs = cv2.calibrateCamera(patterns, all_corners, (w, h), None, None)
	print('相机内参',cameraMatrix)
	print('相机外参旋转向量',rvecs)
	print('相机外参平移向量',tvecs)
	return (cameraMatrix, distCoeffs)

def cam_calib_correct_img(crct_img_dir, cameraMatrix, distCoeffs):
	for i in range(1,3):
		crct_img_path = crct_img_dir + "\\" + str(i) + ".jpg"
		print(crct_img_path)
		img = cv2.imread(crct_img_path)
		(h1, w1) = img.shape[:2]
		#对参数做处理，使得最后的输出的矫正图像去表不必要的边缘。
		newcameramtx,roi = cv2.getOptimalNewCameraMatrix(cameraMatrix,distCoeffs,(w1,h1),1,(w1,h1))
		
		#矫正
		dst = cv2.undistort(img, cameraMatrix, distCoeffs, None, newcameramtx)

		# 保存矫正图像
		x,y,w,h = roi
		dst = dst[y:y+h, x:x+w]
		rlt_path = crct_img_dir + "\\rlt\\" + str(i) + "_crct.jpg"
		cv2.imwrite(rlt_path, dst)
	
if __name__ == "__main__":
	parser = argparse.ArgumentParser(description="读取标定的图片并保存结果",formatter_class=RawTextHelpFormatter)
	parser.add_argument("--img_dir",help="标定图片路径",type=str,metavar='', default='H:\\camera_code\\calib_img')
	parser.add_argument("--rlt_dir",help="保存路径",type=str,metavar='',default="H:\\camera_code\\rlt_dir")
	parser.add_argument("--crct_img_dir",help="待矫正图像路径",type=str,metavar='',default="H:\\camera_code\\crct_img")
	parser.add_argument("--row_num",help="每一行有多少个角点，边缘处的不算",type=int,metavar='',default="7")
	parser.add_argument("--col_num",help="每一列有多少个角点，边缘处的不算",type=int,metavar='',default="6")
	parser.add_argument("--img_num",help="多少幅图像",type=int,metavar='',default="21")

	args=parser.parse_args()
	
	# 标定相机
	cameraMatrix, distCoeffs = cam_calib_calibrate(args.img_dir, args.rlt_dir, args.row_num, args.col_num, args.img_num)
	
	#矫正图片
	cam_calib_correct_img(args.crct_img_dir, cameraMatrix, distCoeffs)

项目文件结构： 

 

 想要整体代码与资料的，请联系我。